KR-102961105-B1 - Intelligent Marine Ecosystem Management System

Abstract

본 발명은 지능형 해양 생태계 관리 시스템에 관한 것으로, 해양 환경 변화에 대한 실시간 모니터링, 이상 징후 탐지, 미래 상태 예측 및 데이터 수집 전략 최적화를 통합적으로 수행한다. 본 시스템은 서로 다른 복수의 데이터 소스로부터 수집된 해양 생태계 관련 이종 데이터를 표준 포맷으로 변환하여 빅데이터 플랫폼에 저장하고, 이를 실시간으로 분석하여 국제 해양 환경 모니터링 가이드라인 또는 과거 통계 기반 정상 범위를 벗어나는 이상 징후를 자동 탐지해 경보를 제공한다. 또한, 인공지능 기반 예측부를 통해 해양 환경 변수, 생물학적 변수 및 인간 활동 변수를 분석하여 해양 생태계의 미래 상태를 고정밀도로 예측하고, 적조, 산성화, 서식지 붕괴 등의 위험 시나리오를 자동 생성한다. 나아가 AI 모델 학습 및 보정부는 예측 오차를 실시간 산출하고 자동 재학습을 수행하여 예측 정확도를 향상시키며, 동적-적응형 데이터 수집 관리부는 위험도 기반으로 데이터 수집 주기와 해상도를 최적화하여 효율적이고 신뢰성 높은 해양 생태계 관리를 가능하게 한다.

Inventors

• 이호순

Assignees

• (주)세일종합기술공사

Dates

Publication Date

20260506

Application Date

20250831

Claims (4)

1. 서로 다른 복수의 데이터 소스로부터 해양 생태계와 관련된 이종(異種) 데이터를 수집하는 데이터 수집부; 상기 데이터 수집부에서 수집된 상기 이종 데이터를 해양 관측 데이터의 표준 포맷으로 정의된 표준화 규격에 따라 변환하고, 변환된 상기 데이터를 통합하여 빅데이터 플랫폼에 저장하는 데이터 통합 저장부; 상기 빅데이터 플랫폼에 저장된 상기 통합된 데이터를 실시간으로 스트리밍 처리하고, 상기 통합된 데이터의 시계열 변화 및 패턴을 분석하여, 국제 해양 환경 모니터링 가이드라인에서 규정한 환경 기준값 또는 과거 1년 이상 누적된 상기 데이터 통합 저장부의 통계값을 기반으로 도출된 정상 범위 중 적어도 하나를 벗어나는 경우, 이상 징후로 판단하여 경보를 생성하는 실시간 분석 및 경보부; 상기 통합 데이터를 입력값으로 하여 인공지능 모델을 실행하고, 상기 해양 생태계의 미래 상태 변화를 예측하는 인공지능 기반 예측부; 상기 인공지능 기반 예측부의 예측 결과와, 이후 상기 데이터 통합 저장부에 추가로 저장되는 실제 관측 데이터를 비교하여 예측 오차를 산출하고, 상기 예측 오차를 이용하여 상기 인공지능 모델의 파라미터를 자동으로 갱신하여 예측 정확도를 지속적으로 향상시키는 AI 모델 학습 및 보정부; 상기 실시간 분석 및 경보부에서 생성된 상기 경보와 상기 인공지능 기반 예측부의 상기 예측 결과를 사용자 인터페이스(UI) 화면 상에 시각적으로 표현하여 의사결정을 지원하는 의사결정 지원 및 시각화부;를 포함하되, 상기 데이터 수집부는, 인공위성으로부터 수신되는 해수면 온도 또는 클로로필 농도를 포함하는 원격 탐사 데이터, 해양에 설치된 부이 또는 수중 센서로부터 수신되는 수온, 염분, 용존 산소량을 포함하는 IoT 센서 데이터, 및 선박에 장착된 단말기로부터 수신되는 위치 정보 및 운항 정보를 포함하는 선박자동식별장치(AIS) 데이터 중 적어도 둘 이상을 수집하는 것을 특징으로 하는, 지능형 해양 생태계 관리 시스템.
2. 삭제
3. 제 1항에 있어서, 상기 실시간 분석 및 경보부는, 실시간으로 스트리밍되는 상기 데이터의 수치가 사전에 설정된 임계값을 초과하거나, 과거 상기 데이터의 통계적 분포를 기반으로 설정된 정상 범위를 이탈하는 경우를 이상 징후로 판단하여 상기 경보를 생성하는 것을 특징으로 하는, 지능형 해양 생태계 관리 시스템.
4. 제 1항에 있어서, 상기 인공지능 기반 예측부는, 상기 데이터 통합 저장부에 저장된 상기 통합 데이터를 입력값으로 사용하여, 상기 통합 데이터를 수온, 염분, 용존 산소량, 해류 속도를 포함하는 해양 환경 변수, 플랑크톤 농도, 어종 분포, 개체수 변화를 포함하는 생물학적 변수, 및 어획량, 선박 운항 패턴, 오염원 배출량을 포함하는 인간 활동 변수로 분류하고, 상기 분류된 통합 데이터를 시계열 기반으로 전처리하여 다차원 입력 벡터를 구성하며, 상기 입력 벡터를 기반으로 머신러닝 또는 딥러닝 알고리즘 중 적어도 하나를 적용하는 학습 모델을 실행하여, 시계열 예측을 위한 순환 신경망(RNN) 또는 LSTM(Long Short-Term Memory), 비선형적 상관관계 학습을 위한 심층 신경망(Deep Neural Network, DNN), 다변수 상호작용 분석을 위한 트랜스포머(Transformer) 모델 중 적어도 하나를 사용하여 해양 생태계의 미래 상태 변화를 예측하고, 상기 예측 결과에 대한 신뢰도 지수(reliability index)를 예측값의 분산, 학습 데이터 대비 오차, 및 모델 가중치의 불확실성을 반영하여 산출하여 상기 의사결정 지원 및 시각화부로 함께 제공하는 것을 특징으로 하는, 지능형 해양 생태계 관리 시스템.

Description

지능형 해양 생태계 관리 시스템{Intelligent Marine Ecosystem Management System} 본 발명은 지능형 해양 생태계 관리 시스템에 관한 것으로서, 보다 상세하게는 다양한 출처로부터 수집되는 파편화된 해양 데이터를 유기적으로 통합하여 종합적인 분석이 가능한 데이터 플랫폼을 제공하는 것이다. 즉, 인공위성, 해양 부이, 수중 센서, 선박 관측 등 이종(異種)의 데이터 소스로부터 물리, 화학, 생물, 인간 활동 데이터를 실시간으로 연계 및 통합하여 생태계의 전체적인 상황을 입체적으로 파악할 수 있는 지능형 해양 생태계 관리 시스템에 관한 것이다. 일반적으로 해양은 지구 기후 조절, 수산 자원 공급, 생물 다양성 보존 등 인류의 생존과 번영에 필수적인 역할을 수행한다. 그러나 최근 기후 변화, 해양 오염, 무분별한 연안 개발 및 남획 등으로 인해 해양 생태계의 파괴가 가속화되고 있으며, 이는 해양 생물 서식지 감소와 생물 다양성의 급격한 축소로 이어지고 있다. 이러한 해양 생태계를 보전하고 지속가능한 방식으로 관리하기 위해, 종래에도 해양 환경을 모니터링하고 관리하려는 다양한 기술들이 개발되어 왔다. 초기의 해양 생태계 관리는 특정 지역에 직접 방문하여 선박이나 잠수부를 통해 시료를 채취하거나 수중 관측을 수행하는 방식에 크게 의존하였다. 이러한 방식은 특정 지점의 상세한 데이터를 얻을 수 있다는 장점이 있으나, 시간과 비용이 많이 소요되고, 넓은 해역을 동시에 모니터링하기 어려워 시공간적 대표성을 확보하는 데 한계가 있었다. 또한, 조사자의 접근이 어려운 심해나 악천후 시에는 데이터 수집이 불가능하다는 명백한 문제점이 있었다. 이러한 문제점을 극복하기 위해, 해양 부이(Buoy)나 고정식 수중 센서를 활용하여 수온, 염분, 용존 산소 등 기본적인 해양 물리·화학적 데이터를 원격으로 수집하는 기술이 도입되었다. 또한, 인공위성을 이용한 원격 탐사 기술은 해수면 온도, 클로로필 농도 등 광범위한 지역의 표층 정보를 주기적으로 획득하는 것을 가능하게 하였다. 그러나 종래의 이러한 기술들은 다음과 같은 근본적인 문제점을 내포하고 있었다. 종래 기슬은 인공위성 데이터, 선박 관측 데이터, 수중 센서 데이터, 어획량 데이터 등은 각각 상이한 기관이나 목적에 의해 개별적으로 수집 및 관리되는 경우가 대부분이었다. 이로 인해 각 데이터는 독립적으로 존재할 뿐, 서로 다른 유형의 데이터를 유기적으로 결합하여 생태계의 복합적인 상호작용을 분석하는 데에는 심각한 한계가 있었다. 예를 들어, 특정 해역의 수온 상승(센서 데이터)이 어종의 이동(어획량 데이터) 및 플랑크톤 분포 변화(위성 데이터)에 미치는 영향을 종합적으로 파악하기 어려웠다. 또한, 종래 기술는 실시간 분석 및 예측 기능이 미비하다. 종래의 시스템은 수집된 데이터를 사후에 분석하여 보고서를 작성하는 수준에 머물러 있었다. 적조 현상, 유해 물질 유입, 불법 어업 활동과 같이 신속한 대응이 필요한 사안에 대해, 현상을 실시간으로 감지하고 그 변화를 예측하여 선제적으로 대응하는 능력이 현저히 부족했다. 데이터의 처리 및 분석에 상당한 시간이 소요되어 이미 상황이 발생한 후에야 원인을 파악하는 '사후 약방문' 식의 관리에 그치는 경우가 많았다. 또한, 해양 생태계는 수많은 물리적, 화학적, 생물학적 요인들이 복잡한 인과관계로 얽혀 있어 변화의 원인을 명확히 규명하기 어렵다. 종래의 단순 통계 기반 분석으로는 이러한 비선형적이고 복합적인 변화의 핵심 동인(Driver)을 찾아내고, 미래의 생태계 변화를 정확하게 예측하는 데 한계가 명확했다. 이로 인해 관리 정책 수립 시 과학적 근거가 부족하여 주관적인 판단에 의존하거나 단기적인 효과에만 치중하는 문제점이 있었다. 따라서, 다양한 출처의 해양 데이터를 실시간으로 통합하고, 빅데이터 분석 및 인공지능 기술을 활용하여 생태계의 복잡한 상호작용을 분석하며, 미래의 변화를 예측하여 선제적이고 과학적인 의사결정을 지원할 수 있는 새로운 해양 서식 생태계 관리 시스템의 개발이 절실히 요구되는 실정이다. 도 1은 본 발명의 일 실시예에 따른 지능형 해양 생태계 관리 시스템(100)의 전체 구성을 도시한 블록도이다.도 2는 본 발명의 일 실시예에 따른 데이터 수집부(110)의 세부 구성을 도시한 블록도이다.도 3은 본 발명의 일 실시예에 따른 실시간 분석 및 경보부(130)의 동작 원리 및 다단계 경보 생성 과정을 도시한 블록도이다.도 4는 본 발명의 일 실시예에 따른 인공지능 기반 예측부의 세부 구성 및 데이터 처리 과정을 도시한 블록도이다.도 5는 예측 오차가 사전에 설정된 임계치를 초과하는 경우, 상기 인공지능 모델의 재학습(re-training)을 자동으로 트리거하여 상기 예측 정확도를 향상시키는 과정이 포함된 블록도이다.도 6은 본 발명의 일 실시예에 따른 AI 모델 학습 및 보정부(150)의 자동 재학습 사이클 및 예측 최적화 과정을 도시한 블록도이다. 이하, 도면을 참조하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 동일 또는 유사한 구성요소에 대해서는 동일한 참조 부호를 붙이도록 한다. 이하에서 기재의 "상부 (또는 하부)" 또는 기재의 "상 (또는 하)"에 임의의 구성이 구비 또는 배치된다는 것은, 임의의 구성이 상기 기재의 상면 (또는 하면)에 접하여 구비 또는 배치되는 것을 의미한다. 또한, 상기 기재와 기재 상에 (또는 하에) 구비 또는 배치된 임의의 구성 사이에 다른 구성을 포함하지 않는 것으로 한정하는 것은 아니다. 다음은 첨부되는 도면들을 참조 하여, 본 발명의 지능형 해양 생태계 관리 시스템을 설명한다. 본 발명은 지능형 해양 생태계 관리 시스템을 제공한다. 도 1은 본 발명의 일 실시예에 따른 지능형 해양 생태계 관리 시스템(100)의 전체 구성을 도시한 블록도이다. 도 1을 참조 하면, 본 발명의 지능형 해양 생태계 관리 시스템(100)은, 서로 다른 복수의 데이터 소스로부터 해양 생태계와 관련된 이종(異種) 데이터를 수집하는 데이터 수집부(110)와, 상기 데이터 수집부(110)에서 수집된 상기 이종 데이터를 데이터 표준화 변환 모듈(121)을 통해 해양 관측 데이터의 표준 포맷으로 정의된 표준화 규격에 따라 변환하고, 변환된 상기 데이터를 통합하여 빅데이터 플랫폼에 저장하는 데이터 통합 저장부(120)와, 상기 빅데이터 플랫폼에 저장된 상기 통합된 데이터를 실시간으로 스트리밍 처리하고, 상기 통합된 데이터의 시계열 변화 및 패턴을 분석하여, 국제 해양 환경 모니터링 가이드라인에서 규정한 환경 기준값 또는 과거 1년 이상 누적된 상기 데이터 통합 저장부의 통계값을 기반으로 도출된 정상 범위 중 적어도 하나를 벗어나는 경우, 이상 징후로 판단하여 경보를 생성하는 실시간 분석 및 경보부(130)와, 상기 통합 데이터를 입력값으로 하여 인공지능 모델을 실행하고, 상기 해양 생태계의 미래 상태 변화를 예측하는 인공지능 기반 예측부(140)와, 상기 인공지능 기반 예측부(140)의 예측 결과와, 이후 상기 데이터 통합 저장부(120)에 추가로 저장되는 실제 관측 데이터를 비교하여 예측 오차를 산출하고, 상기 예측 오차를 이용하여 상기 인공지능 모델의 파라미터를 자동으로 갱신하여 예측 정확도를 지속적으로 향상시키는 AI 모델 학습 및 보정부(150)와, 상기 실시간 분석 및 경보부(130)에서 생성된 상기 경보와 상기 인공지능 기반 예측부(140)의 상기 예측 결과를 사용자 인터페이스(UI) 화면 상에 시각적으로 표현하여 의사결정을 지원하는 의사결정 지원 및 시각화부(160)를 포함한다. 상기의 구성을 참조 하면, 작동 원리 및 본 발명의 동작을 설명한다. 본 발명은 지능형 해양 생태계 관리 시스템에 관한 것으로, 해양 생태계와 관련된 다양한 데이터를 수집하여 이를 통합·분석하고, 인공지능 기반 예측 기술을 적용하여 해양 환경의 변화를 실시간으로 예측하며, 예측 결과를 바탕으로 데이터 수집 전략을 자동으로 최적화하는 것을 특징으로 한다. 본 발명의 시스템은 데이터 수집부(110), 데이터 통합 저장부(120), 실시간 분석 및 경보부(130), 인공지능 기반 예측부(140), AI 모델 학습 및 보정부(150), 의사결정 지원 및 시각화부(160)로 구성된다. 각 구성요소는 유기적으로 연결되어 데이터 수집부터 분석, 예측, 최적화, 시각화에 이르는 일련의 과정을 실시간으로 수행한다. 먼저, 데이터 수집부(110)는 서로 다른 복수의 데이터 소스로부터 해양 생태계와 관련된 다양한 이종 데이터를 자동으로 수집한다. 이러한 데이터에는 인공위성으로부터 수신되는 해수면 온도 및 클로로필 농도와 같은 원격 탐사 데이터, 해양 부이 및 수중 IoT 센서를 통해 수집되는 수온·염분·용존 산소량·해류 속도 등의 해양 환경 데이터, 그리고 선박자동식별장치(AIS)로부터 수신되는 선박 위치·운항 정보·어획 활동 데이터 등이 포함된다. 수집된 데이터는 데이터 통합 저장부(120)로 전송되며, 표준화된 해양 관측 포맷(NetCDF, HDF5 등)으로 변환된 뒤 빅데이터 플랫폼에 통합 저장된다. 데이터 손실이나 오류가 발생하는 경우, 과거 누적 데이터의 시계열 패턴과 인접 센서 데이터를 활용하여 결측값을 자동으로 보정하는 데이터 결측값 보정 모듈이 동작한다. 또한, 원시 데이터 및 통합 데이터는 블록체인 네트워크에 분산 저장되어 위·변조 여부를 실시간으로 검증함으로써 데이터 무결성과 신뢰성을 보장한다. 이후, 실시간 분석 및 경보부(130)는 데이터 통합 저장부(120)에 저장된 데이터를 실시간으로 스트리밍 처리하며, 시계열 패턴과 환경 변화를 분석한다. 이 과정에서 국제 해양 환경 모니터링 가이드라인에서 규정한 환경 기준값을 참조하거나, 과거 1년 이상 누적된 통계 데이터를 기반으로 정상 범위를 설정한다. 만약 실시간으로 수집되는 데이터가 기준값을 초과하거나 통계적 정상 범위를 벗어나는 경우, 시스템은 이